مدلسازی فضایی زمانی توسعه شهری با استفاده از پردازش تصاویر ماهواره ای و الگوریتم های هوشمند مطالعه م

مدلسازی رشد شهری از طریق اتوماتای سلولی (CA) می تواند به عنوان ابزاری مفید برای تجزیه و تحلیل فرایندهای پیچیده ی تحولات شهری بکار برده شود. هدف این پژوهش مدلسازی و درک الگوهای پیچیده تغییر کاربری با بهرگیری از تکنیک های هوش مصنوعی می باشد. موضوع کلیدی چگونگی تخصیص وزن به پارامترهای موثر در رشد شهری و متعاقبا دستیابی به شبیه سازی ایده آل و نزدیک به واقعیت است. این پژوهش در صدد است نشان دهد که تخصیص وزن با استفاده از الگوریتم شبکه های عصبی مصنوعی (ANN) می تواند نتایجی بهینه به دست  دهد. در این مدل بر خلاف مدل های کلاسیک CA، تخصیص وزن به پارامترها بصورت خودکار، توسط آموزش شبکه های عصبی، از طریق داده های تصاویر ماهواره ای مربوط به روند رشد تاریخی شهر صورت می گیرد. بر این اساس CA به عنوان موتور اصلی مدل و ANN جهت پیدا کردن وزن مناسب پارامتر ها و پیدا کردن روابط بین رشد شهری بالقوه و ویژگی های سایت مورد نظر و همچنین سیستم های فازی(FUZZY SET) جهت طبقه بندی تصاویر ماهواره ای و اعتبار سنجی داده ها، مورد استفاده قرار گرفته شد. پژوهش حاضر نشان می دهد که با توجه به دقت کلی مدل و ضریب کاپای فازی شده بدست آمده، این مدل نتایج بهتری را نسبت به مدل های CA کلاسیک در شبیه سازی سیستم های شهری پیچیده غیر خطی بدست می دهد.

واژه های کلیدی: مدلسازی، شبکه های عصبی مصنوعی، اتوماتای سلولی، سیستم های فازی، رشد شهری



فهرست مطالب


عنوان     صفحه

فصل اول: مقدمه
1-1- طرح مسئله و ضرورت تحقيق     3
1-2-اهداف پژوهش    4
1-2-1-اهداف کلان    4
1-2-2-اهداف خرد    4
1-3-سوالات پژوهش    5
1-4-فرضيه تحقيق و مدل تحقيق    5
1-5-روش شناسی تحقیق    5
1-6-روش و ابزار گردآوری اطلاعات    6
1-7-جامعه آماري و تعداد نمونه و روش نمونه گيری (در صورت لزوم)    6
1-8-روش تجزيه و تحليل اطلاعات    6

فصل دوم: مروری بر ادبیات تحقیق
2-1-مقدمه     9
2-2-مفهوم  رشد و توسعه شهری    10
2-3-توسعه شهر    11
2-3-1-اهمیت توسعه شهری    12
2-4-رشد شهری    13
2-4-1-رشد شهر و توسعه فیزیکی    13
2-5-مفهوم توسعه کالبدی و اشکال آن    14
2-5-1-عوامل موثر در توسعه کالبدی شهر ها    15
2-6-تصورات نادرست پیرامون توسعه شهری    15
2-7-مدل سازی توسعه شهری    18
عنوان     صفحه

2-8-ماهیت مدل ها    18
2-9-مدل ها در فرایند برنامه ریزی    19
2-10-کاربرد مدل در شهرسازی    20
2-11-مدلسازی شهری پویا (دینامیک شهری)    21
2-12-سلول های خودکار و مدلسازی شهری    23
2-13-کارهای اولیه     23
2-14-تحقیقات اخیر در زمینه مدل سازی شهری با سلول های خودکار    25
2-15-کالیبراسیون (زینه بندی ، تنظیم ، درجه بندی ، واسنجی)    28
2-16-شبکه های عصبی    30
2-16-1-شبکه های عصبی ، سلول های خودکار و مدلسازی رشد شهری    30
2-17-سیستم های فازی    33

فصل سوم: تئوری ها و الگوریتم ها
3-1-کلیات    37
3-2-مدلسازی با سلول های خودکار    37
3-2-1-پیش زمینه تاریخی    37
3-2-2- تئوری سلول های خودکار    40
3-2-3-ساختار مدل CA    41
3-2-3-1-شبکه سلولی    41
3-2-3-2-وضعیت سلول    42
3-2-3-3-همسایگی     43
3-2-3-4-زمان    44
3-2-3-5-قوانین انتقال    44
3-2-4-سلول های خودکار یک بعدی    45
3-2-5-سلول های خودکار دو بعدی    48
3-3-شبکه های عصبی     52
3-3-1-پیش زمینه     52
3-3-2-اجزای یک شبکه عصبی    53
3-3-3-اصول شبکه های عصبی مصنوعی    54
3-3-4-شبیه سازی های عصبی    60
عنوان     صفحه

3-3-5-مؤلفه های دخیل در یک شبیه سازی عصبی    60
3-3-5-1-فرمولاسیون مسئله    60
3-3-5-2-جمع آوری اطلاعات و وارد نمودن آنها به شبکه    62
3-3-5-3-اعتبار سنجی در شبکه     62
3-3-5-4-آنالیز حساسیت در شبکه    63
3-3-5-5-توپولوژی شبکه    64
3-3-5-6-پایش نمودن علایم    64
3-3-5-7-انجام شبیه سازی    64
3-3-5-8-تعیین ماتریکس همبستگی     65
3-3-5-9-تقسیم نمودن داده ها    65
3-3-5-10-نرمال سازی    65
3-3-5-11-معماری شبکه     66
3-3-5-12-آنالیز های شبکه های عصبی و تابع هزینه    66
3-3-5-13-سنجش کارایی شبکه     67
3-3-5-15-میانگین مربعات خطا    67
3-3-5-16میانگین مربعات نرمال شده ی خطا    68
3-3-5-17-درصد خطا    68
3-3-6-آموزش شبکه های عصبی مصنوعی    68
3-3-7-آموزش از دیدگاه کلی    69
3-3-8-داده های ورودی    70
3-3-8-1-اندازه ی شبکه    71
3-3-8-2-پایان آموزش    71
3-3-8-3-روش های آموزش    72
3-3-8-1-1-الگوریتم های یادگیری نظارت شده یا با ناظر    72
3-3-8-1-2-الگوریتم های یادگیری نظارت نشده یا بدون ناظر     73
3-3-8-1-3-الگوریتم پس انتشار خطا     74
3-4-سیستم های فازی    76
3-5-چرا از منطق فازي استفاده مي كنيم؟    77
3-6-عناصر سيستم فازي    77
3-6-1-مجموعه هاي فازي    78
عنوان     صفحه

3-6-1-1-مجموعه فازی منفرد    81
3-6-1-2-عملگر هاي فازي    82
3-6-1-3-قواعد فازي    84
3-6-1-4- به كار گيري قوانين فازي    85
3-6-1-5-استدلال فازي    86
3-6-1-6-روش مستقيم    86
3-6-1-7-روش ممداني    87
3-6-1-8-روش Sugeno    88
3-6-1-9-غير فازي سازي (Defuzzification)    88
3-6-1-10-مركز ثقل    89
3-6-1-11-ميانگين مراكز    90
3-6-1-12-يكي از مراكز خروجي ها (Min، Max، Mean)    90
3-7-خوشه بندي فازي (FCM)    90
3-7-1-روش Neuro-fuzzy      92
3-7-2-VGA-FCM    95
3-8-الگوريتم هاي خوشه بندي    96
3-8-1-الگوريتم fuzzy C-means    97
3-9-طبقه بندي تصاوير با منطق فازي    98
3-9-1-روش كار    99

فصل چهارم: مطالعه موردی شهر مهاباد
4-1- مقدمه    101
4-2-بررسي هاي تاريخي     101
4-3- خصوصیات جغرافیایی و اقلیمی    103
4-5-موقعیت جغرافیایی    103
4-6-وضعیت توپوگرافی    104
4-7-گسل    107
4-8- چگونگی توسعه شهر و روند رشد آن در ادوار گذشته    108
4-9-محدودیت و موانع طبیعی و قابلیت توسعه جهات مختلف شهر    112

عنوان     صفحه

4-10-نحوه پراکندگی روستاهای و جاذبه جمعیتی    114
4-11-جمعیت و تحولات آن    115

فصل پنجم: داده ها و روش اجرای مدل
5-1-مقدمه    118
5-2-روش اجرای مدل CA_ANN ، داده های و نحوه استخراج پارامترها    118
5-2-1-آموزش شبکه های عصبی مصنوعی    119
5-2-1-1-داده های مربوط به کاربری زمین    120
5-2-1-2-داده های همسایگی و فواصل    129
5-2-1-3-داده های محدودیت (زونینگ)    133
5-2-2-ساختار شبکه و نحوه آموزش آن    136
5-2-3-کالیبره کردن مدل CA از طریق ANN    137
5-3-شبیه سازی رشد  شهری    138
5-4-پیش بینی رشد شهری برای سال 2015    140
5-5-اعتبار سنجی مدل    143
3-6-آزمون فرضیات    147

فصل ششم: نتیجه گیری
6-1-نتیجه گیری    150
6-2- پشنهادات     154

فهرست منابع و مأخذ
منابع فارسی    156
منابع انگلیسی     157

پیوست     163



فهرست جدول ها


عنوان     صفحه

جدول 3-1 : مدل های مختلف شبکه عصبی    61
جدول شماره 1-4 . مساحت طبقات ارتفاعی محدوده شهر مهاباد    105
جدول شماره 3-4 . ویژگی های بارز تاریخی مهاباد    109
جدول شماره 4-4. سیر تحول کالبدی- فضایی و الگوی توسعه شهر مهاباد    110
جدول شماره5-4 روند تغییرات میزان شهرنشینی و روستانشینی در استان
آذربایجان غربی و شهرستان مهاباد    116
جدول شماره6-4  : روند تغييرات تعداد جمعيت و متوسط رشد جمعيت استان
 آذربايجان غربي و شهرستان مهاباد طي سالهاي 1385-1365    116
جدول شماره7-4: مساحت و تراکم جمعيتي شهرستانهاي استان آذربايجان غربي
 سال 1385-1365    116
جدول شماره 1-5 . پارامترهای بکار گرفته شده در مدل    120
جدول شماره2-5 . بخشی از داده های نمونه بکار برده شده در فرایند آموزش    137
جدول شماره3-5 . برخی دیگر از روش های کالیبره کردن سلول های خودکار    144



فهرست شکل ها


عنوان     صفحه

شکل شماره 1-2 . تخمین میزان جمعیت شهری تا سال 2030     13
شکل شماره 2-2 . درصد جمعیت شهری بر اساس طبقه بندی جمعیت شهرها     17
شکل شماره 1-3  : فضای سلولی شماتیک با پیکسل های قرمز و آبی    38
شکل شماره 2-3  : حالات پیکسل ها در مشهورترین طرح های همسایگی
سلول های خودکار    39
شکل 3-3 : مثال رایج عام معمولی مشترک از الگوهای سلول خودکار پیچیده    40
شکل 4-3  :  تاثیر مقیاس سلول    42
شکل 5-3  : تاثیر همسایگی بر روی مدل    43
شکل 6-3  : همسایگی دایره ای در سه مقیاس کوچک ، متوسط و بزرگ    44
شکل شماره 7-3 : یک سلول خودکار یک بعدی با N=10  پیکسل و با حالات ممکن a 1 ,….., a10  در زمان معین t    46
شکل 8-3: سلول های خودکار یک بعدی دارای ساختار ابتدایی    48
شکل 9-3 : همسایگی پیکسل شهری واقع شده در موقعیت شبکه ای    50
شکل 10-3 : همسایگی 3×3 مور برای α    51
شکل شماره 11-3 : فرایند های آموزش و یادگیری در شبکه های عصبی    55
شکل 12-3: تابع g در شبکه عصبی    56
شکل 13-3 : تابع فعال سازی    56
شکل 14-3 : وزن های بین لایه های پنهان و خروجی    57
شکل 15-3: ورود یک بردار x (x_1,x_2 〖,x〗_3,x_4,x_5 ) به شبکه عصبی    58
شكل 16-3 :  ساختار يك سيستم فازي    77
شكل17-3 :  نمونه اي از مجموعه هاي فازي    78
شكل 18-3 :  تعدادي از مجموعه هاي فازي استاندارد    78
شكل19-3 : شكل توابع عضويت استاندارد    79
عنوان     صفحه

شكل 20-3 : تابع عضويت      80
شكل 21-3 :‌تكيه گاه مجموعه A    81
شكل 22-3 : مجموعه فازي منفرد    81
شكل 23-3 : برش   از مجموعه فازي    82
شكل 24-3 : مجموعه فازي غير محدب    82
شكل 25-3 : نحوه به كار گيري عملگر هاي فازي    84
شكل 26-3 : متغير لغوي    85
شکل 27-3: نحوه استخراج نتيجه به صورت فازي    86
شكل 28-3 : نحوه عملكرد سيستم فازي Sugeno    88
شكل 29-3 : پروسه غير فازي سازي نتيجه    89
شكل 30-3 : ميانگين مراكز    90
شكل 31-3: نوروفازي    93
شكل 32-3: سيستم مورد استفاده    94
شکل شماره1-5 . مدل آموزش و شبیه سازی رشد شهری از طریق CA_ANN    119




فهرست نمودارها


عنوان     صفحه

نمودار شماره1-4 : روند تحولات جمعیتی شهر مهاباد طی بازه زمانی 1345 تا 1385    116
نمودار شماره1-5 . مساحت کاربریهای مختلف بین سالهای 1989-2000 – 2005    124
نمودار شماره 2-5 . روند رشد سریع کاربری شهری در شهر مهاباد    140





فهرست نقشه ها


عنوان     صفحه


نقشه شماره1-4 . موقعیت جغرافیایی شهر مهاباد    104
نقشه شماره2-4 . طبقات ارتفاعی محدوده استحفاظی شهر مهاباد    106
نقشه شماره3-4 . گسل های شهر مهاباد    107
نقشه شماره 4-4 :روند رشد شکل گیری و توسعه شهر مهاباد در گذر     111
نقشه شماره5-4 : نقاط و جاذبه جمعیتی روستاهای محدوده شهر مهاباد    114
نقشه 1-5. ترکیب باندهای بهینه تصاویر ماهواره های TM , ETM+
محدوده ی شهر مهاباد    121
نقشه 2-5 . زمین مرجع نمودن تصاویر ماهواره ای از طریق عکس هوایی
مربوط به شهر مهاباد     122
نقشه شماره3-5 . طبقه بندی تصاویر ماهواره ای شهر مهاباد برای سال 2005    123
نقشه شماره4-5 . طبقه بندی تصاویر ماهواره ای شهر مهاباد برای سال های
 1989 و 2000    123
نقشه شماره 5-5. طبقه بندی تصویر ماهواره ای سال1989    124
نقشه شماره 6-5. طبقه بندی تصویر ماهواره ای سال2000    125
نقشه شماره 7-5. طبقه بندی تصویر ماهواره ای سال2005    126
نقشه شماره8-5 . مدل ارتفاعی و شیب محدوده شهر مهاباد    128
نقشه شماره 9-5 . نقشه سلسه مراتب راههای محدوده شهر مهاباد     130
نقشه شماره10-5 . محل استقرار مراکز اشتغال کارگاهی شهر مهاباد     131
نقشه شماره11-5  . پارامتر های منطقه ای بکار گرفته شده در مدل CA_ANN     132
نقشه شماره 12-5 حریم استحفاظی دریاچه سد شهر مهاباد    134
نقشه شماره 13-5 . حریم استحفاظی رودخانه های شهر مهاباد    135

عنوان     صفحه

نقشه شماره 14-5 . شبیه سازی و پیش بینی رشد شهری شهر مهاباد    142
نقشه شماره 15-5 . پیش بینی رشد شهری برای سال 2015 شهر مهاباد    143
نقشه شماره 16-5 .  اعتبار سنجی مدل پیشنهادی بر اساس مقایسه شاخص
 کاپای فازی شده    146